Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERIA DE SOFTWARE
MATERIA:
INVETIGACION DE OPERACIONES
AUTOR:
TEMA:
DOCENTE:
Fecha:
Es un método iterativo que permite ir mejorando la solución en cada paso. Por ejemplo, que tipo de
pan vas a comprar, en que vas a ir a comprar, cuantos panes vas a comprar y tal. Este método fue
creado para ser capaz de solucionar problemas que el método grafico no puede solucionar, muchas
restricciones y muchas variables. Será necesario tener en cuenta que el método Simplex únicamente
trabaja con restricciones del problema cuyas inecuaciones sean del tipo "≤" (menor o igual) y sus
coeficientes independientes sean mayores o iguales a 0, por lo cual será necesario aplicar la técnica
de la “Big M”.
• La función objetivo (Z) igualamos a cero, esto quiere decir que todas las variables de
decisión (Xi) y coeficientes M pasamos a la izquierda, así: −x1 − x2 − xi ± M + Z = 0
2. Se realiza un tipo de matriz simplex con los coeficientes de variables.
Los encabezados de las columnas van en el orden visto en la tabla. Los encabezados de las filas
iniciamos con la función objetivo, y con respecto a las variables artificiales tendremos coeficientes M
ya sea positivos o negativos, los nombres de las otras filas se colocan en orden las ecuaciones
obtenidas en el paso 1. Dichos nombres son variables de holgura o artificiales que sean positivos (S i;
Ti). En la columna de la solución van todos los términos independientes, en donde estos variarán
hasta llegar a la respuesta del problema.
3. Columna Pívot: Para los casos de maximización escogemos en la fila objetivo (z), el
coeficiente más negativo y para el caso de minimización se escoge el coeficiente más
positivo.
4. Fila Pívot: Para hallar esta fila dividimos la columna de la solución para la columna Pívot
excepto el coeficiente de (Z) de la fila objetivo, y seleccionamos el menor cociente.
5. Número Pívot: La intersección de la fila pívot y columna pívot se denomina número Pívot
y aplicamos el teorema de “Gauss-Jordán” para resolver la matriz inicial simplex, en donde
el
número Pívot debe iniciar en uno y por encima y debajo debe quedar cero, aplicando
operaciones básicas entre filas y columnas.
6. El problema habrá terminado cuando:
• No existan más letras M en la fila objetivo (z).
• Para el caso de la maximización todos los valores de la fila (Z) sean mayor o igual a
cero (positivos); y para el caso de la minimización cuando sean menor o igual a cero
(negativos); mientras tanto se procederá a realizar el número de interacciones que
sea necesario hasta llegar a la solución óptima.
Ejemplo
La empresa Cannon Hill produce muebles: sillas y mesas.
•
Cada mesa toma 4 horas de mano de obra y 2 horas de acabado.
•
Cada silla requiere 3horas de carpintería y 1 hora de terminaciones.
•
Hasta ahora se tienen disponibles 240 horas de tiempo de carpintería y 100 horas de tiempo
de acabado.
•
Cada mesa producida da una ganancia de $70 y cada silla una ganancia de $50.
¿Cuántas sillas y mesas debe hacer para maximizar ganancias?
•
Toda desigualdad (≤) se convierte en una ecuación. Las variables de holgura representan las
horas que sobran para carpintería y acabado sino se utilizan todas.
Variables de decisión:
Función-objetiva
Maximizar ganancia.
P = 70x + 50y
Conjunto de restricciones
Paso 1 cada desigualdad (≤) se convierte en un ecuación introduciendo una variable de holgura.
4x + 3y + s1 = 240
2x + y + s2 = 100
x ≥ 0, y ≥ 0, s1 ≥ 0, s2 ≥ 0
objetiva. 4x + 3y + s1 = 240
2x + y + s2 = 100
P − 70x − 50y = 0
x ≥ 0, y ≥ 0, s1 ≥ 0, s2 ≥ 0
Paso 3 Tabla por cálculos.
En las columnas aparecerán todas las variables del problema y en las filas, los coeficientes de las
ecuaciones obtenidas.
x y S1 S2 constantes
s1 4 3 1 0 240
s2 2 1 0 1 100
P -70 -50 0 0 0
Primera iteración:
100/2=50
Pivote
x y S1 S2 constantes
s1 4 3 1 0 240
x 1 0.5 0 0.5 50
P -70 -50 0 0 0
Pivot
Paso 4 Usar operaciones sobre las filas para que todos los elementos de la columna pivote
sean 0, excepto el pivote.
x y S1 S2 constantes
s1 4 3 1 0 240
x 1 0.5 0 0.5 50
-4R2 + R2
P -70 -50 0 0 0
x y S1 S2 constantes
s1 0 1 1 -2 40
x 1 0.5 0 0.5 50
P 0 -15 0 35 3500
Fin de la primera iteración
()( )
x 50
y 0
s1 =
40
s2 0
P 3500
Segunda Iteración
Paso 1 Se escoge la variable de decisión que entra a la solución.
x y S1 S2 constantes
s1 0 1 1 -2 40
x 1 0.5 0 0.5 50
P 0 -15 0 35 3500
x y S1 S2 constantes
s1 0 1 1 -2 40
x 1 0.5 0 0.5 50 40/1=4
P 0 -15 0 35 3500
50/0.5=100
Paso 3 Primera operación sobre filas, como el pivote es uno saltamos este paso y vamos directo al
x y S1 S2 constantes
s1 0 1 1 -2 40
x 1 0.5 0 0.5 50
P 0 -15 0 35 3500
()( )
x 30
y 40
s1 =
0
s2 0
P 4100
SOLUCION
Se deben construir:
30 meses
40 sillas
Método Grafico
La resolución de problemas lineales mediante el método gráfico solamente se la realizara cuando en
la formulación existan dos variables, ya que este método utiliza el eje de coordenadas del plano
cartesiano.
1. Región factible: Es la intersección de todas las inecuaciones graficadas una por una,
los puntos del plano que cumplen el sistema de desigualdades forman un recinto
convexo acotado (poligonal) o no acotado, llamado región factible del problema.
2. Hallar las coordenadas de los vértices de la región factible: Se procede a señalar los vértices
con letras mayúsculas del abecedario, y se iguala las restricciones que cortan en cada vértice
para poder encontrar los puntos de intersección de las rectas.
3. Hallar las coordenadas de los vértices de la región factible: Se procede a señalar los vértices
con letras mayúsculas del abecedario, y se iguala las restricciones que cortan en cada vértice
para poder encontrar los puntos de intersección de las rectas.
4. Determinación algebraica del punto óptimo: Se sustituyen cada uno de los vértices de la
región factible en la función objetivo. La solución óptima vendrá dada por aquel que tome el
mayor valor en el caso de maximización, o el menor en el caso de minimización.
5. Interpretación de la solución lógica: Consiste en hacer un informe de los resultados
encontrados para su respectiva implementación.
6. Comprobación: La solución óptima debe satisfacer todo el sistema de inecuación con
la función objetivo.
Ejemplo:
Calculo de los puntos para graficar las inecuaciones
Se grafica el vector: v (-B, A), con los coeficientes de la función objetivo Z(max)=15x1 + 11x2
v(−11, 15), por motivos de la escala dividimos al vector para cinco, entonces tenemos: v(−2, 2 ; 3)
La Solución gráfica del punto óptimo es: C (2, 06; 2, 19).
Interpretación
La empresa debe fabricar 2,06 unidades del producto A y 2,19 unidades del producto B para
obtener un máximo beneficio de $54,99.
Comprobación
Ejemplo
Se quiere promocionar una marca desconocida, D, de aceites, utilizando una marca conocida,
C. Para ello, se hace la siguiente oferta: “Pague a solo $ 2,5 el litro de aceite C y a $1,25 el litro
de aceite D, siempre y cuando compre en total 6 litros o más y la cantidad de aceite C esté
comprendida entre la mitad y el doble de la cantidad comprada de aceite D”. Disponemos de
un máximo de $21,25. ¿Cuál es el costo mínimo si se proyecta gastar 6 dólares de C y D
durante un día?
Calculo de los puntos para graficar cada inecuación
Interpretación
Cuando tenemos soluciones óptimas múltiples podemos escoger según más
nos convenga, cualquier punto que esté en el segmento de la recta. Para nuestro caso,
preferimos producir 4 litros de aceite D y 2 litros de aceite C, para que el producto
nuevo D salga a promocionarse en el mercado, de esta manera obtenemos un costo
mínimo de $32.
Interpretación
Interpretación
NINGUNA SOLUCIÓN
Se presenta este tipo de problemas cuando una o más de las restricciones no se puede
encontrar la región factible, es decir no se intersecan entre sí, otro caso es cuando la gráfica
crece indefinidamente al infinito positivo y se pide maximizar, de la misma forma puede ser
cuando la región factible decrece indefinidamente hacia el infinito negativo y se pide
minimizar, en problemas razonados de aplicación puede ser el caso por: fallas en la
formulación del problema, restricciones mal planteadas.